IniziaInizia gratis

Tabelle a doppia entrata e tabelle pivot

Spesso, i dati finanziari vengono visualizzati come tabella pivot in fogli di calcolo come Excel.

Con le tabelle a doppia entrata, ottieni una vista di alto livello di colonne selezionate e anche aggregazioni come conteggi o medie. Per la maggior parte dei modelli di rischio di credito, soprattutto per la probabilità di default, colonne come person_emp_length e person_home_ownership sono un buon punto di partenza per l’analisi.

Potrai vedere come i valori sono distribuiti nel set di dati e visualizzarli. Per ora, devi verificare come loan_status è influenzato da fattori come lo stato di proprietà della casa, il grado del prestito e la percentuale del prestito rispetto al reddito.

L’insieme di dati cr_loan è stato caricato nell’ambiente di lavoro.

Questo esercizio fa parte del corso

Credit Risk Modeling in Python

Visualizza il corso

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# Create a cross table of the loan intent and loan status
print(pd.____(cr_loan[____], cr_loan[____], margins = True))
Modifica ed esegui il codice